caffe基础知识简介

近来整理资料，发现刚接触caffe时写的一些笔记，现将笔记整理出来，以便以后查看。

caffe是一个开源的深度学习框架，可读性高，它允许利用自己的CPU或者GPU训练网络，不需要自己编写程序，只需要通过配置文件来指定网络。

caffe实现了前馈卷积神经网络架构（CNN），在一个n层的神经网络中，通过调整其中的参数，使任何一层的输入和输出都是相等的，任何一层都是输入的另一种表示。深度学习是一种特征学习方法，把原始数据通过一些简单的非线性的模型转化为更高层次、更抽象的表达，高层次的表达能强化输入数据的区分能力，同事削弱不相关因素。

caffe都是一些模块组成，模块包括4个部分：Blob（caffe的数据表示，在layer上流动），layer（不仅可以表示神经网络层，也可以表示输入输出层），Net（神经网络结构，将layer层叠关联起来），slover（协调神经网络的训练和测试，定义一些参数）。

Blob 四维连续数组，通常表示为（n, k, w, h）是基础的数据结构，可表示输入输出数据，也可表示参数数据

Layer 网络基本单元，每一层类型定义了3种计算: 1. 初始化网络参数。2. 前向传播的实现。 3. 后向传播。

Net 无回路有向图，有一个初始化函数，主要有两个作用： 1. 创建blobs和layers。2. 调用layers的setup函数来初始化layers。还有两个函数 Forward和Backward，分别调用layers的 forward 和 backward